1.一种四足机器人单腿轨迹跟踪控制方法，其特征在于，包括：步骤一，获取四足机器人的关节参数；所述关节参数包括关节位置、速度和加速度矢量；四足机器人单腿髋关节外摆自由度和髋关节横滚自由度在同一个轴上，外摆自由度的长度简化为0，单腿包括依次连接设置的旋转基座、第一连杆和第二连杆，2个连杆的长度用l1和l2表示；

步骤二，根据关节参数建立四足机器人3自由度单腿动力学模型，包括，根据关节位置、速度、加速度矢量的对称正定惯性矩阵、科氏力和离心力矩阵以及重力矢量得到控制力矩矢量；对称正定惯性矩阵为：其中，

θ1，θ2和θ3表示机器人的3个自由度；m1、m2分别为两个连杆的质量；I1、I2、I3分别表示三个连杆的惯量；

科氏力和离心力矩阵为：

其中，

si＝sinθi,ci＝cosθi,sij＝sin(θi+θj),cij＝cos(θi+θj)；

重力矢量为：

步骤三，基于扰动及神经网络修正单腿动力学模型，建立考虑扰动情况的单腿动力学模型，并假设参考轨迹；所述神经网络为RBF神经网络，使用神经网络近似连续函数，由输入和期望输出之间的误差定义神经网络的权值；所述考虑扰动情况的单腿动力学模型为：n×n

其中，τ＝R 为控制力矩矢量，J(θ)为单腿对应的雅克比矩阵，f为机器人受到的外界扰动；重新定义参数，令 得到：T

设参考轨迹xr(t)＝[θ1r(t),θ2r(t),θ3r(t)]；

步骤四，利用基于神经网络学习的值函数逼近方法，设计控制率与自适应率；

定义广义跟踪误差z1(t)＝x1(t)‑xr(t)，且 引入虚拟控制α1(t)T

和第二个误差变量z2(t)＝x2(t)‑α1(t)，选择 其中增益矩阵K1＝K1>0，有考虑李亚普诺夫候选函数 基于扰动情况的单腿动力学模型的控制率设计为：

T

其中增益矩阵K2＝K2>0；

定义算子⊙：

T T

这里的a＝[a1,a2]和b＝[b1,b2]是两个二维向量；

建立控制器：

其中， 为正常数向量，当 时

由于在参数M(x1)，C(x1,x2)，G(x1)，f中存在不确定性，利用RBF神经网络估计器来逼近机器人参数的不确定性，提高机器人的跟踪性能，控制率重新设计为：其中 是神经网络的权值， 是基函数，神经网络 近似为其中 是神经网络的输入变量， 是近似误差，自适应率设计为：

Γi是常数增益矩阵，且φi＞0，i＝1，2，...n是小值常数；

步骤五，基于设计的控制率与自适应率实现四足机器人单腿轨迹跟踪控制。

2.一种四足机器人单腿轨迹跟踪控制器，其特征在于，包括：数据获取模块，被配置为获取四足机器人的关节参数；所述关节参数包括关节位置、速度和加速度矢量；四足机器人单腿髋关节外摆自由度和髋关节横滚自由度在同一个轴上，外摆自由度的长度简化为0，单腿包括依次连接设置的旋转基座、第一连杆和第二连杆，2个连杆的长度用l1和l2表示；

单腿动力学模型建立模块，被配置为根据关节参数建立四足机器人3自由度单腿动力学模型；包括，根据关节位置、速度、加速度矢量的对称正定惯性矩阵、科氏力和离心力矩阵以及重力矢量得到控制力矩矢量；

对称正定惯性矩阵为：

其中，

θ1，θ2和θ3表示机器人的3个自由度；2个连杆的长度用l1和l2表示；m1、m2分别为两个连杆的质量；I1、I2、I3分别表示三个连杆的惯量；

科氏力和离心力矩阵为：

其中，

si＝sinθi,ci＝cosθi,sij＝sin(θi+θj),cij＝cos(θi+θj)；

重力矢量为：

参考轨迹建立模块，被配置为基于扰动及神经网络修正单腿动力学模型，建立考虑扰动情况下的单腿动力学模型，并假设参考轨迹；所述神经网络为RBF神经网络，使用神经网络近似连续函数，由输入和期望输出之间的误差定义神经网络的权值；所述考虑扰动情况的单腿动力学模型为：n×n

其中，τ＝R 为控制力矩矢量，J(θ)为单腿对应的雅克比矩阵，f为机器人受到的外界扰动；重新定义参数，令x1＝θ， 得到：T

设参考轨迹xr(t)＝[θ1r(t),θ2r(t),θ3r(t)]；

控制率获取模块，被配置为利用基于神经网络学习的值函数逼近方法，设计控制率与自适应率；

定义广义跟踪误差z1(t)＝x1(t)‑xr(t)，且 引入虚拟控制α1(t)T

和第二个误差变量z2(t)＝x2(t)‑α1(t)，选择 其中增益矩阵K1＝K1>0，有考虑李亚普诺夫候选函数 基于扰动情况的单腿动力学模型的控制率设计为：

T

其中增益矩阵K2＝K2>0；

定义算子⊙：

T T

这里的a＝[a1,a2]和b＝[b1,b2]是两个二维向量；

建立控制器：

其中， 为正常数向量，当 时

由于在参数M(x1)，C(x1,x2)，G(x1)，f中存在不确定性，利用RBF神经网络估计器来逼近机器人参数的不确定性，提高机器人的跟踪性能，控制率重新设计为：其中 是神经网络的权值， 是基函数，神经网络 近似为其中 是神经网络的输入变量， 是近似误差，自适应率设计为：

Γi是常数增益矩阵，且φi＞0，i＝1，2，...n是小值常数；

跟踪控制模块，被配置为基于设计的控制率与自适应率实现四足机器人单腿轨迹跟踪控制。

3.一种四足机器人单腿轨迹跟踪控制系统，其特征在于，包括如权利要求2所述的四足机器人单腿轨迹跟踪控制器。